מפת מסלול הלמידה: פרקים 1 עד 11
פרק 1: יסודות וחיפוש עיוור
סוכנים רציונליים, מרחב מצבים, ואלגוריתמי BFS, DFS, UCS, DLS ו-IDDFS.
פרק 1: יסודות, סוכנים וחיפוש עיוור
בפרק זה נכיר את עולם הבינה המלאכותית: נלמד כיצד למדל סוכן רציונלי בסביבתו (מודל PEAS), ונראה כיצד אלגוריתמי חיפוש עיוור כמו BFS, DFS ו-UCS מוצאים מסלול פתרון במרחב המצבים גם ללא ידע מוקדם על היעד.
פרק 2: חיפוש מיודע ו-*A
פונקציות יוריסטיות, אלגוריתם *A, קבילות ועקביות, טיפוס גבעות ואופטימיזציה.
פרק 2: יוריסטיקות, *A וחיפוש מקומי
בפרק זה נרתום ידע מוקדם כדי להאיץ את החיפוש: נלמד לנסח פונקציות יוריסטיות קבילות ועקביות, נגלה מדוע אלגוריתם *A הוא אופטימלי ומושלם, ונראה שיטות חיפוש מקומי כמו טיפוס גבעות (Hill Climbing) לפתרון בעיות אופטימיזציה מורכבות.
פרק 3: עצי משחק ו-Minimax
משחקי סכום-אפס (MAX מול MIN), אלגוריתם Minimax המלא, וגיזום $\alpha$-$\beta$.
פרק 3: עצי משחק, Minimax וגיזום $\alpha$-$\beta$
בפרק זה נעבור לקבלת החלטות מול יריב אינטליגנטי: נלמד את אלגוריתם Minimax במשחקי סכום-אפס דטרמיניסטיים, ונראה כיצד גיזום אלפא-בטא ($\alpha \ge \beta$) חוסך בדיקת ענפים שלמים ומכפיל את עומק החיפוש באותו זמן חישוב.
פרק 4: משחקי מזל ו-CSP
משחקים עם סיכוי (Expectiminimax), חיתוך עומק, ומבוא לסיפוק אילוצים.
פרק 4: Expectiminimax וגישור ל-CSP
בפרק זה נתמודד עם גורמי מזל ואי-ודאות (קוביות וקלפים): נלמד לחשב תוחלת ערך בצמתי סיכוי באלגוריתם Expectiminimax, ונבצע גשר אלגוריתמי מרתק אל עבר ניסוח בעיות סיפוק אילוצים פורמליות.
פרק 5: פתרון בעיות CSP
חיפוש נסיגה (Backtracking), היוריסטיקות MRV, LCV, Degree, ואימות AC-3.
פרק 5: חיפוש נסיגה ואילוצי קשתות
בפרק זה נלמד לפתור בעיות אילוצים מורכבות (כמו שיבוץ וסודוקו): נגדיר משתנים ותחומים $\langle X,D,C \rangle$, נשתמש ביוריסטיקות חכמות לבחירת משתנה וערך (MRV, LCV), ונפעיל מנגנוני סינון חזקים כמו Forward Checking ועקביות קשתות AC-3.
פרק 6: לוגיקה וסוכנים לוגיים
עולם הוומפוס, תחשיב הפסוקים, טבלאות אמת, רזולוציה ושרשור קדימה ואחורה.
פרק 6: לוגיקה פסוקית וסוכנים מבוססי ידע
בפרק זה נעניק לסוכן יכולת הסקה לוגית מדויקת: נבנה בסיס ידע ($KB$) בסביבת Wumpus World, נבדוק נביעה לוגית בטבלאות אמת, ונלמד להוכיח טענות באמצעות אלגוריתם הרזולוציה ושרשור קדימה ואחורה על פסוקי הורן.
פרק 7: לוגיקה מסדר ראשון
תחשיב היחסים, כמתים ($\forall, \exists$), הצרנה מתמטית ותרגול מעמיק למבחן.
פרק 7: כמתים, הצרנה ואיחוד (FOL)
בפרק זה נרחיב את כוח הביטוי הלוגי באמצעות תחשיב היחסים: נלמד להצרין משפטים מורכבים עם כמת כולל ($\forall$) וקיים ($\exists$), נתרגל שאלות מבחן קלאסיות, ונבצע איחוד (Unification) וסקולמיזציה כהכנה להוכחות רזולוציה מלאות.
פרק 8: אי-ודאות והסתברות
הסתברות מותנית, חוק בייס, כלל השרשרת ומבוא לרשתות בייסיאניות.
פרק 8: הסתברות מותנית וחוק בייס
בפרק זה נלמד כיצד סוכן פועל בעולם רווי אי-ודאות: נחשב הסתברויות מותנות, נשתמש בחוק בייס לעדכון אמונות על סמך עדויות חדשות, ונראה כיצד אי-תלות מותנית מאפשרת פירוק של התפלגויות משותפות ענקיות לממדים חישוביים נוחים.
פרק 9: רשתות בייסיאניות
הפרדת-d, הסקה מדויקת ב-Variable Elimination, ודגימות Rejection ו-Likelihood.
פרק 9: מודלים גרפיים והפרדת d-separation
בפרק זה נכיר את הכלי המרכזי לייצוג ידע הסתברותי: ננתח רשתות בייסיאניות ומבני Causal/Common/V-Structure, נבדוק חסימת מסלולים באמצעות הפרדת-d, נבצע הסקה מדויקת באלגוריתם Variable Elimination, ונתרגל שיטות דגימה מקורבות.
פרק 10: תהליכי מרקוב (MDP)
משוואות בלמן, איטרציית ערכים ומדיניות, פקטור היוון $\gamma$ ולמידת חיזוק.
פרק 10: משוואות בלמן ואיטרציית ערכים
בפרק זה נפתור בעיות קבלת החלטות רב-שלביות תחת אי-ודאות: נגדיר תהליכי החלטה מרקוביים $\langle S,A,P,R,\gamma \rangle$, נפתור את משוואות בלמן המפורסמות ב-Value Iteration ו-Policy Iteration, ונניח את היסודות ללמידת חיזוק (RL).
פרק 11: עצי החלטה (ID3)
🏁עקרונות למידת מכונה, אלגוריתם ID3, אנטרופיה, רווח מידע ומניעת Overfitting.
פרק 11: עצי החלטה, אנטרופיה ורווח מידע
בפרק המסכם נצלול אל עולם למידת המכונה: נבנה עצי החלטה בעזרת אלגוריתם ID3, נחשב אנטרופיה ורווח מידע (Information Gain) לבחירת המאפיין המפצל הטוב ביותר, ונלמד כיצד לבצע גיזום עצים למניעת התאמת-יתר (Overfitting).
סיכום מקיף של כל הפרקים
חזרה מרוכזת וממצה על כל 11 פרקי הקורס: טבלאות השוואה בין אלגוריתמי חיפוש, חוקי לוגיקה, עצי החלטה ודפי נוסחאות מהירים למבחן.
הכנה למבחן המרכזי
מאגר בחינות קודמות ופתרונות מודרכים, שאלות אמריקאיות ברמת מבחן, טיפים לניהול זמן ועצות זהב להצלחה.